字符串匹配算法（AC自动机 Aho-Corasick）

文章目录

- 1. 多模式串匹配
- 2. 经典多模式串匹配--AC自动机
- - 2.1 AC自动机构建
  - 2.2 在AC自动机上匹配主串
  - 2.3 复杂度分析
- 3. python包

1. 多模式串匹配

前面学的BF、RK、BM、KMP都是单模式串匹配算法（一个模式串，一个主串）
多模式串匹配，即在一个主串中查找多个模式串（Trie树是多模式匹配）
比如实现多个敏感词过滤；单模式需要一遍遍的，扫描，过滤，扫描，过滤；多模式扫描一遍，过滤完成

2. 经典多模式串匹配–AC自动机

AC自动机算法（Aho-Corasick算法），是在Trie树之上，加了类似 KMP 的 next 数组。

class ACNode    //AC自动机的Trie树节点类,假设只有26个字母的数据集
{
public:char data;ACNode *children[charNum];size_t count;   //记录这个节点被多少个单词占用bool isEndOfWord;//是否是一个单词的结束字符size_t freq;    //单词插入的频次int length;     //当isEndOFWord为True时，记录模式串长度ACNode *fail; //失败指针ACNode(char ch = '/'):data(ch), isEndOfWord(false),count(0), freq(0),length(-1),fail(NULL){memset(children,0,sizeof(ACNode*) * charNum);}~ACNode(){}
};

2.1 AC自动机构建

1，将多个模式串插入Trie树。
2，在Trie树上构建失败指针（相当于KMP中的失效函数 next 数组）

在这里插入图片描述

void buildFailPointer()
{queue<ACNode*> ACNode_queue;ACNode_queue.push(root);ACNode *p, *pchild, *q, *qchild;int i;while(!ACNode_queue.empty())//用队列按层遍历{p = ACNode_queue.front();//队首的节点pACNode_queue.pop();for(i = 0; i < charNum; ++i){pchild = p->children[i];//找到p的非空子节点pcif(pchild == NULL)continue;if(p == root)pchild->fail = root;else{q = p->fail;    //q为p的失效指针while(q != NULL)    //q不为空{qchild = q->children[pchild->data-'a'];//字符等于pc的qcif(qchild != NULL)//qc存在{pchild->fail = qchild;//链接pc失败指针到qcbreak;//找到了就跳出循环}q = q->fail;//qc不存在，就再去上一个失效点找}if(q == NULL)//最后找到root处还没找到pchild->fail = root;//pc的失效指针指向root}ACNode_queue.push(pchild);//把p的非空子节点pc入队}}
}

在这里插入图片描述

2.2 在AC自动机上匹配主串

void match(const string &maintext)  //maintext是主串
{int n = maintext.size();ACNode *p = root, *temp;//模式串从root开始int index, pos;for(int i = 0; i < n; ++i)//主串从i=0开始{index = maintext[i]-'a';//子节点下标while(p->children[index] == NULL && p != root){//p不为root，且 子节点为空（找不到那个i对应的字符）p = p->fail;    //失败指针发挥作用的地方}p = p->children[index];if(p == NULL)p = root;   //如果没有匹配的，从root开始重新匹配temp = p;while(temp != root)//打印出可以匹配的模式串{if(temp->isEndOfWord == true){pos = i-temp->length+1;cout << "Found " << maintext.substr(pos,temp->length) << " at ""position(start from 0) "<< pos << " at " << maintext << endl;}temp = temp->fail;}}
}

主程序

Trie textlib;
string a("abcd"), b("bcd"), c("c");
textlib.insert(a);
textlib.insert(a);
textlib.insert(b);
textlib.insert(c);
textlib.buildFailPointer();
textlib.match("abcdc");